第四讲语音信号处理第3.5~3.6章试卷.ppt

3.1概述 3.2语音信号的数字化和预处理 3.3语音信号的时域分析 3.4语音信号的频域分析 3.5语音信号的倒谱分析 3.6语音信号的线性预测分析 *3.7 语音信号的小波分析 3.8 基音周期估计 3.9共振峰估计 3.5语音信号的倒谱分析 3.6语音信号的线性预测分析 回顾 语音信号的时域分析就是分析和提取语音信号的时域参数。进行语音分析时，最先接触到并且也是最直观的是它的时域波形。语音信号本身就是时域信号，因而时域分析是最早使用，也是应用最广泛的一种分析方法，这种方法直接利用语音信号的时域波形。时域分析通常用于最基本的参数分析及应用，如语音的分割、预处理、大分类等。这种分析方法的特点是： ①表示语音信号比较直观、物理意义明确。 ②实现起来比较简单、运算量少。 ③可以得到语音的一些重要的参数。 ④只使用示波器等通用设备，使用较为简单等。 短时能量 过零率 短时平均幅度差 短时能量及短时平均幅度分析 如图3-2所示，设语音波形时域信号为x(t)、加窗分帧处理后得到的第n帧语音信号为xn(m),则xn(m)满足下式： xn(m)=ω(m)x(n+m) 其中，n=0,1T,2T,…,并且N为帧长，T为帧移长度。 设第n帧语音信号xn(m)的短时能量用En表示，则其计算公式如下： 短时过零率分析 由定义可以看出，短时过零率对噪音的存在非常敏感，如果背景中有反复穿越坐标轴的随机噪声，那么会产生大量的“虚假”的过零，影响计算结果。 门限过零率 为了提高过零率计算的鲁棒性（Robustness），除了对原始信号进行带通滤波，一种有效的方法是修正过零率的定义，加入门限的定义．如图所示。 6.门限过零率 设一个门限值T，将过零的定义修正为穿越正负门限，带门限的过零率计算公式为 这样．噪音信号的振荡只要不超过门限间的区域，就不会对真实的过零率产生影响。 一般说来，短时过零率的最主要用处是分辨清音和浊音、有声与无声。 7.端点检测 背景噪音 辅音 元音 如何区分？能量？过零率？ 语音“三”的波形图 背景噪音 辅音 7.端点检测 如何区分？能量？过零率？ 短时平均幅度差函数 对于实际的语音信号，d(n)虽不为零，但其值很小。这些极小值将出现在整数倍周期的位置上。为此，可定义短时平均幅度差函数： 可以证明平均幅度差函数和自相关函数有密切的关系，两者之间的关系可由下式表达： 3.4 语音信号的频域分析 从广义上讲，语音信号的频域分析包括语音信号的频谱、功率谱、倒频谱、频谱包络分析等，常用的频域分析方法有 带通滤波器组法 傅里叶变换法 线性预测法 …… 本节介绍傅里叶分析法。因为语音波是一个非平稳过程，因此适用于周期、瞬变或平稳随机信号的标准傅里叶变换不能用来直接表示语音信号，而应该用短时傅里叶变换对语音信号的频谱进行分析，相应的频谱称为“短时谱”。 利用语音的短时傅里叶变换求语音的短时谱 对第n帧语音信号xn(m)进行傅里叶变换(离散时域傅里叶变换，DTFT)，可得到短时傅里叶变换，其定义如下： 由定义可知，短时傅里叶变换实际就是窗选语音信号的标准傅里叶变换。这里，窗ω(n)是一个“滑动的”窗口，它随n的变化而沿着序列x(m)滑动。由于窗口是有限长度的，满足绝对可和条件，所以这个变换是存在的。当然窗口函数不同，傅里叶变换的结果也将不同。 我们还可以将式(3-27)写成另一种形式。设语音信号序列和窗口序列的标准傅里叶变换均存在。当n取固定值时，ω(n-m)的傅里叶变换为： 根据卷积定理有： 因为上式右边两个卷积项均为关于角频率ω的以2π为周期的连续函数，所以也可将其写成以下的卷积积分形式： 即，假设x(m)的DTFT是X(ejω)，且ω(m)的DTFT是X(ejω)，那么Xn(ejω）是X(ejω)和W(ejω)的周期卷积。 功率谱：根据功率谱定义，可以写出短时功率谱与短时傅里叶变换之间的关系： 或者： 功率谱Sn(ejω)是短时自相关函数Rn(k)的傅里叶变换。 3.5 语音信号的倒谱分析 语音信号的倒谱分析就是求取语音倒谱特征参数的过程，它可以通过同态处理来实现。 同态信号处理也称为同态滤波，它实现了将卷积关系变换为求和关系的分离处理，即解卷。 对语音信号进行解卷，可将语音信号的声门激励信息及声道响应信息分离开来，从而求得声道共振特征和基音周期，用于语音编码、合成、识别等。 求倒谱特征参数的方法有两种，一种是线性预测分析，一种是同态分析处理。 同态信号处理的基本原理 我们日常生活中遇到的许多信号，它们并不是加性信号(即组成各分量按加法原则组合起来)而是乘积性信号或卷积性信号，如语音信号、图像信号、通信中的衰落信号、调制信号等。这些信号要用非线性系统来处理。 同态信号处理就是将非线性问题转化为线性问题的处理方法。按被处理的信号来分